基于深度学习的无人机航拍场景语义分割方法及系统

    公开(公告)号:CN108710863A

    公开(公告)日:2018-10-26

    申请号:CN201810508877.X

    申请日:2018-05-24

    Applicant: 东北大学

    CPC classification number: G06K9/00637 G06K9/342 G06K9/6256 G06N3/0454

    Abstract: 本发明提供一种基于深度学习的无人机航拍场景语义分割方法及系统。本发明包括:S1、无人机的摄像机进行图像采集并将采集的原始图像数据利用无线传输发送给地面设备,所述地面设备对采集的原始图像数据进行保存;S2、通过深度学习框架训练分割网络模型,其主要包括,深度学习框架通过采集到的原始样本图片训练卷积神经网络,将针对小目标检测的改进网络与传统VGG网络相结合得到最终的分割网络模型;S3、将采集的原始图像输入到分割网络模型中进行分割操作;S4、在分割完毕后实时将分割结果以图片的形式进行保存。本发明通过对样本数据的处理,利用深度学习方法训练分割模型,针对无人机实时航拍数据进行语义分割,实现航拍图像的像素级标注。

    一种无人机自主寻路避障方法及系统

    公开(公告)号:CN108444482A

    公开(公告)日:2018-08-24

    申请号:CN201810619904.0

    申请日:2018-06-15

    Applicant: 东北大学

    Abstract: 本发明提供一种无人机自主寻路避障方法及系统。本发明方法,包括:采集障碍物的位置信息;通过栅格法进行三维环境建模,并将其分割成若干个栅格,分别对包含障碍物的栅格和不包含障碍物的栅格进行不同颜色的处理,通过过起始点及目标终点的判断平面分割栅格,得到二维栅格模型;基于A*算法在所述二维栅格模型上做出全局静态路径规划;在全局静态路径规划后,进行局部动态路径规划;通过贝塞尔曲线对规划出的线路点进行轨迹跟踪,完成对路径轨迹的平滑处理;本发明通过全局静态路径规划和局部动态路径规划,使得无人机可以及时发现环境的动态变化带来的障碍物位置的改变,计算过程简便快捷,解决了传统飞行线路容易碰障碍物的问题。

    一种无人机自主寻路避障方法及系统

    公开(公告)号:CN108444482B

    公开(公告)日:2021-10-22

    申请号:CN201810619904.0

    申请日:2018-06-15

    Applicant: 东北大学

    Abstract: 本发明提供一种无人机自主寻路避障方法及系统。本发明方法,包括:采集障碍物的位置信息;通过栅格法进行三维环境建模,并将其分割成若干个栅格,分别对包含障碍物的栅格和不包含障碍物的栅格进行不同颜色的处理,通过过起始点及目标终点的判断平面分割栅格,得到二维栅格模型;基于A*算法在所述二维栅格模型上做出全局静态路径规划;在全局静态路径规划后,进行局部动态路径规划;通过贝塞尔曲线对规划出的线路点进行轨迹跟踪,完成对路径轨迹的平滑处理;本发明通过全局静态路径规划和局部动态路径规划,使得无人机可以及时发现环境的动态变化带来的障碍物位置的改变,计算过程简便快捷,解决了传统飞行线路容易碰障碍物的问题。

    一种多旋翼无人机的抗风扰动指标

    公开(公告)号:CN109533377A

    公开(公告)日:2019-03-29

    申请号:CN201811225080.5

    申请日:2018-10-20

    Applicant: 东北大学

    Inventor: 黄伟 徐博

    Abstract: 本发明通过风场环境对多旋翼无人机螺旋桨的扰动进行建模,并借助空气动力学等知识进行了分析,推导出看多旋翼无人机所能承受的最大风速与多旋翼无人机本身参数之间的关系,并且为了将抗风扰动算法基于一个平台进行比较,继续推导出了多旋翼无人机的抗风扰的指标,该指标能够为抗风扰动算法的优良性的评价提供一个有效的参考。

Patent Agency Ranking